SuperAPI AI 工具集

agent-browser

智能体与模型

查看项目

更新于 10-15 23:42

技能介绍

用途:agent-browser 是供 AI 智能体使用的浏览器自动化命令行工具,用于与网站交互,包括导航页面、填写表单、点击按钮、截图等。它通过 CDP 直接驱动 Chrome/Chromium。

安装与准备:可通过 npm i -g agent-browser、brew install agent-browser 或 cargo install agent-browser 安装;运行 agent-browser install 下载 Chrome,运行 agent-browser upgrade 升级版本。

核心工作流:open 打开页面,snapshot -i 获取带引用(如 @e1、@e2)的交互元素,再用引用执行 click、fill、select 等操作;导航或 DOM 变化后需重新快照。命令可用 && 串联,浏览器通过后台守护进程在命令间保持。

主要能力:导航(open/close)、快照(snapshot -i、-s 选择器)、交互(click、fill、type、select、check、press、scroll)、信息获取(get text/url/title)、等待(元素、networkidle、URL、文本、毫秒)、下载、网络请求检查与阻断、HAR 录制、视口与设备模拟、截图与 PDF、实时流、剪贴板、对话框、页面差异对比、并行会话、连接已有 Chrome、无头或有头调试、本地文件、iOS 模拟器。

认证方式:可从用户浏览器导入状态、持久化 profile、会话名自动保存、加密凭据库(auth save/login)、手动 state save/load。状态文件含明文会话令牌,应加入 .gitignore 并设置 AGENT_BROWSER_ENCRYPTION_KEY 加密。

使用方式:批量执行可向 batch 传入 JSON 数组(支持 --json、--bail);需要中间输出时用单独命令或 &&。

限制:需 Chrome/Chromium 环境;iOS 模拟器支持要求 macOS 与 Xcode、Appium。文档未提供收费、价格等信息。